شارك
الرئيسية
1 دقيقةما هي هندسة المزايا؟
هي تقنية مستخدمة في التعلم الآلي في الذكاء الاصطناعي، تستفيد من البيانات لإنشاء متغيرات جديدة ليست في مجموعة التدريب لتوسيع نطاق إدراك النموذج وزيادة دقة النتائج، يمكن أن ينتج ميزات جديدة لكلٍّ من التعلم الموّجه والتعلم غير الموّجه.
أهمية هندسة المزايا
تعد ميزات النموذج هي مدخلات نماذج تعلم الآلي لوضع التنبؤات، إذ تعتمد دقة النموذج بشكلٍ أساسي على دقة مجموعة الميزات. مثلاً، في تطبيقات توصية الموسيقى مثل سبوتيفاي يمكن أن تتضمن الميزات تقييمات الموسيقى والأغنيات التي سبق الاستماع إليها، ومدة الاستماع إلى الأغنية، وكلما كانت الميزات المستخرجة دقيقة، كان نظام التوصية يعمل بشكلٍ أفضل ويقدّم توصيات أكثر دقة.
كيف تعمل هندسة المزايا؟
تعد هندسة المزايا جزءاً من عملية التعلم الآلي. بعد تحديد الغرض من النموذج، بحيث يتم اختيار البيانات وإعدادها وتجميعها وتنظيفها لتصبح جاهزة للاستخدام:
- تكون مرحلة هندسة الميزات أثناء تحويل البيانات من حالتها الخام إلى حالة مناسبة للنمذجة.
- تتم نمذجة البيانات من خلال إنشاء النماذج وتقييمها وتكوينها.
- تُعرض النتائج وتقيم.
- يجب تكرار هذه الخطوات بالترتيب نفسه حتى الحصول على النتائج الدقيقة.
تقنيات هندسة المزايا في التعلم الآلي
هناك العديد من طرق هندسة المزايا:
- طريقة الأهمية: يتم تخصيص درجة لتقدير أهمية الميزة.
- استخراج الميزات: يتم استخدام البيانات الأولية لإنشاء ميزات جديدة.
- اختيار الميزة: يختار النظام المجموعات والمجموعات الفرعية الأكثر صلة.